A New Automatic Cancer Colony Forming Units Counting Method

Título traducido de la contribución: Un nuevo método automático de conteo de unidades formadoras de colonias de cáncer

Nicolás Roldán-fajardo, Lizeth Rodriguez-Ramos, Andrea Hernandez, Karen Cepeda-Forero, Alejandro Ondo-Méndez, Sandra cancino-Suarez, Manuel Forero, Juan Manuel López-López

Resultado de la investigación: Contribución a una revistaArtículo

Resumen

Los ensayos clonogénicos son una herramienta esencial para evaluar la supervivencia de las células cancerosas que han sido expuestas a una determinada dosis de radiación. Su resultado puede usarse en la generación de estrategias para la optimización de los tratamientos de radioterapia. El análisis de este tipo de datos requiere que el especialista realice el recuento manual de unidades formadoras de colonias (UFC), es decir, encuentre cada célula que conserve la capacidad de producir una gran progenie. Esta tarea lleva mucho tiempo, es propensa a errores y los resultados no son reproducibles debido a una evaluación subjetiva del especialista. Las herramientas de procesamiento de imágenes digitales pueden resolver los defectos descritos anteriormente. Este artículo presenta una nueva técnica para el conteo automático de UFC. La técnica propuesta extrae las regiones de interés (ROI), donde un algoritmo de segmentación local encuentra y etiqueta las células para cuantificar el número de UFC. Los resultados muestran un buen rendimiento de sensibilidad y especificidad en comparación con el software de última generación utilizado para la detección y el recuento de CFU.
Idioma originalInglés
Páginas (desde-hasta)465-472
Número de páginas7
PublicaciónLecture Notes in Computer Science
Volumen11868
DOI
EstadoPublicada - sep 21 2019

Citar esto

Roldán-fajardo, N., Rodriguez-Ramos, L., Hernandez, A., Cepeda-Forero, K., Ondo-Méndez, A., cancino-Suarez, S., Forero, M., & López-López, J. M. (2019). A New Automatic Cancer Colony Forming Units Counting Method. Lecture Notes in Computer Science, 11868, 465-472. https://doi.org/10.1007/978-3-030-31321-0_40